一种针对查询调度的位置分析算法

随着无线通信网络和移动设备的普及,移动计算中的位置相关查询技术得到广泛应用。在此类应用中,查询者位置的移动会导致查询结果的过时。该文针对此问题,提出了一种新的位置分析算法,称为位置全局分析(GAL),对查询客户端的位置作基于位置相关数据的分析;分析结果可帮助决定查询在系统中的优先级,指导系统对查询的全局安排,从而提高查询的正确性与系统性能。     

基于Voronoi划分的位置数据KNN查询处理方法

K最近邻(KNN)查询是空间数据查询研究的重要内容。目前的KNN查询方法在处理大规模的位置数据时,存在着更新和查找失衡的问题,导致查询效率较低。因此,提出基于Voronoi划分的位置数据KNN查询处理方法。首先,创建了一个二级空间索引结构——VRI,包含VHash和VR树两部分。一级索引结构VHash表示Voronoi图的直邻;二级索引结构VR树,按照各Voronoi单元所在的最小矩形区域的重叠面积,自下而上地生成对应的R树。其次,基于VRI索引结构提出了位置数据的KNN查询算法及动态维护算法,在KNN查询方法中,采用VR树进行定位,VHash查找K近邻,能够有效地对查询点定位,查找速度快。再次,针对数据更新的情况,索引结构也能够及时更新,在更新的时间段内,对于位置数据随时间变化的KNN查询,提出了利用记录表进行有效查询的方法。最后,实验表明,提出的基于Voronoi划分的空间索引结构和其对应的KNN查询算法均具有较好的性能和适应性。     

面向海量交通数据的HBase时空索引

针对HBase无法直接建立时空索引所带来的交通数据查询性能问题,基于HBase行键设计了面向海量交通数据的HBase时空索引。首先利用Geohash降维方法将二维空间位置数据转化为一维编码,再与时间维度进行组合;然后根据组合顺序的不同,提出了四种结构模型,分别讨论了模型的具体构成以及交通数据查询中的适应面;最后提出了相应的时空索引管理算法及基于Hbase时空索引的交通数据查询方法。通过实验验证了提出的HBase时空索引结构能有效提升海量交通数据的区域查询性能,并比较了四种时空索引结构在不同数据规模、不同查询半径以及不同时间范围的查询性能,量化验证了不同索引结构在交通数据查询中的适应场景。     

基于位置范围的道路网skyline查询

随着无线通信和定位技术的发展,道路网skyline查询在基于位置的服务等方面越来越重要。考虑到现今道路网中位置隐私保护和定位设备的精度问题,用户在道路网上的位置通常用一个范围来表示。但是,已有的道路网skyline研究都是基于单一查询点。针对这一问题,研究了一种新的查询——基于位置范围的道路网skyline查询(RNS),提出了一种基于边界点替换的有效查询处理算法。另外,针对已有的道路网skyline查询中复杂的道路网距离计算对查询效率的影响问题,通过计算兴趣点在道路网上的有效skyline路段,将其与道路网信息融合,建立了道路网skyline模型。基于该模型设计了一种能有效支持RNS查询的道路网skyline索引SSR-tree,提出了基于索引的RNS查询处理算法。通过大量实验验证了所提方法的有效性,并比较了基于索引的算法在查询效率和精度上的提高。     

数据广播环境下基于数据共享的位置相关skyline查询

数据广播环境下位置相关skyline查询是同时涉及空间位置属性和非空间多维属性的一类新的skyline查询类型,可广泛地应用于地理信息系统、城市规划、智能交通等领域。与传统环境下的位置相关skyline查询相比,数据广播环境下位置skyline查询面临一些新的问题,如广播信道的线性特性、移动设备资源受限性等。针对这些问题,本文提出了基于数据共享的位置相关查询算法,该方法通过共享邻近移动设备缓存的查询结果来改进查询算法的性能。广泛的实验结果显示,在移动设备密度较大的对等网络中,本文提出的算法具有较明显的优势,能显著地提升查询性能。     

GML空间数据索引机制研究

随着GML规范的不断完善及GIS软件厂商的广泛支持，GML已经成为事实上的空间数据编码、传输、存储、发布的国际标准，越来越多的空间数据开始以GML格式存储。如何有效地存储管理GML空间数据，已经成为GIS研究的热点问题。结合XML 文档编码和传统的空间数据索引，对GML空间数据的索引进行了深入的研究，提出了基于空间索引的GML一体化索引机制以及相应的查询处理策略与相关算法，并以R树索引为例，对一体化索引的查询处理性能进行了实验分析。实验结果表明，该文提出的基于空间索引的GML一体化索引机制是可行的、高效的。     

基于U-tree的不确定移动对象索引策略

通过在U-tree中添加时间戳和速度矢量等时空因素,提出一种基于U-tree的高效率当前及未来不确定位置信息检索的索引结构TPU-tree,可以支持多维空间中不确定移动对象的索引,并提出了一种改进的基于p-bound的MP_BBRQ(modifiedp-bound based range query)域查询处理算法,能够引入搜索区域进行预裁剪以减少查询精炼阶段所需代价偏高的积分计算.实验仿真表明,采用MP_BBRQ算法的TPU-tree概率查询性能极大地优于传统的TPR-tree索引,且更新性能与传统索引大致相当,具有良好的实用价值.     

基于D-Tree的空间数据索引构建方法研究

随着无线网络的快速发展，相应的无线应用服务越来越多，位置相关信息服务（LDISs）就是其中典型的例子。由于用户查询位置信息的模糊性，该文运用数学方法，在D—Tree索引结构基础上，提出了位置相关信息服务的系统流程框架，给出了一种数据区域互补虚相交的方法，使得查询方式更加实用、灵括方便。     

基于空间近邻查询的移动医疗呼叫算法

随着大数据时代的到来，传统的计算机因为单机资源有限、运行速度慢、分布式处理支持差，已满足不了现行的医疗体系中的大数据处理需求，基于时空数据的移动医疗呼叫系统方法可以很好地解决这些问题。在移动云计算环境下研究[k]最近邻查询算法是当前一个热点问题，支持可扩展和分布式的空间数据索引对于kNN查询的效率影响很大，目前已有的查询算法不适合并行化或者会导致内容冗余。将MapReduce分布式处理技术与空间kNN查询方法相结合，设计可以快速检索到满足用户查询需求的医生位置信息的移动医疗呼叫算法。提出并构建了一个新的分布式空间数据索引方法：倒排Voronoi图索引，它将倒排索引和Voronoi图索引进行结合；提出了一种基于MapReduce的利用Voronoi图来处理kNN查询的高效算法，其在分布式环境下可以有效提高查询效率；用真实的和仿真的数据集来进行大量实验评估，实验结果表明所提出的方法具有良好的高效性和可扩展性。     

一种移动对象数据库全时态区域查询处理方法

全时态区域查询方法是可以同时支持对于移动对象过去、现在以及预测性未来信息区域查询处理的方法,是移动对象数据管理的一个重要方面.在移动对象数据库领域,大量技术被提出以支持历史信息查询或未来信息预测,但是缺乏对于全时态区域查询方法的研究.提出一个可以支持精确区域查询的移动对象全时态查询方法,并支持对于历史信息的轨迹查询.为提高查询效率,提出索引结构PPF-index.在PPF-index中,首先在移动对象信息到达时,利用提出的TB_TPR-tree结构来索引移动对象现在以及预测性未来信息;其次,历史轨迹信息经过轨迹切分后利用3D R-tree进行索引;最后,提出基于PPF-index索引结构的全时态区域查询算法.全时态区域查询算法中的时间范围不同,需要访问的索引结构也不同.实验结果表明,PPF-index可以高效支持全时态查询,并具有很高的更新效率.     

位置大数据隐私保护研究综述

大数据时代移动通信和传感设备等位置感知技术的发展形成了位置大数据,为人们的生活、商业运作方法以及科学研究带来了巨大收益.由于位置大数据用途多样,内容交叉冗余,经典的基于“知情与同意”以及匿名的隐私保护方法不能全面地保护用户隐私.位置大数据的隐私保护技术度量用户的位置隐私,在信息论意义上保护用户的敏感信息.介绍了位置大数据的概念以及位置大数据的隐私威胁,总结了针对位置大数据隐私的统一的基于度量的攻击模型,对目前位置大数据隐私保护领域已有的研究成果进行了归纳.根据位置隐私的保护程度,可以把现有方法总结为基于启发式隐私度量、概率推测和隐私信息检索的位置大数据隐私保护技术.对各类位置隐私保护技术的基本原理、特点进行了阐述,并重点介绍了当前该领域的前沿问题：基于隐私信息检索的位置隐私保护技术.在对已有技术深入分析对比的基础上,指出了未来在位置大数据与非位置大数据相结合、用户背景知识不确定等情况下保护用户位置隐私的发展方向.     

定位数据访问框架的设计与实现

目前定位应用访问定位数据的方法常和特定的技术绑定在一起,这种相关性限制了应用向新技术的移植,也将最终用户绑定在了特定的设备上.通过对现存的定位技术方案的研究,抽象出了通用的定位数据访问模型,根据模型给出了定位数据访问框架的体系结构和实现方法.框架对定位应用屏蔽各种定位数据访问的细节和定位数据接收终端硬件的差异,为定位应用提供个一个与平台、技术体制和设备独立的定位数据访问接口.     

海上编队无源定位技术及工程实现

探讨基于测向交叉定位的海上编队无源定位技术及工程实现．主要从系统组成及定位流程、定位相关、测向数据校准处理、定位算法等方面进行了论述．     

相关证据的融合及其在机器人多感觉信息融合中的应用

Ｄ－Ｓ证据理论在多信息融合中的应用要求各证据间相互独立,这在很多实际场合中却很难实现。本文简要地阐述了基于Ｄ－Ｓ证据理论的多传感器信息融合算法,提供了一种基于Ｄ－Ｓ理论的推广方法以理解决融合信息的相关性问题,并用机器人的力学和热学传感器作实验,对该方法有效性进行了研究。     

基于聚类的位置数据库动态重组

在无线移动计算环境中,如何合理地组织和存储移动对象(mobile object)的配置信息从而有效地降低查询和更新代价是位置管理(location management)中的一个重要问题.将数据挖掘应用到移动计算环境中是一项具有挑战性的研究课题,具有广阔的应用前景.从数据挖掘的角度出发,提出了一种优化位置数据库的解决方案.首先采用一种新的层次聚类算法对移动日志聚类,然后根据聚类的结果对位置数据库动态重组,从而有效地降低了查询和更新代价.     

数据挖掘算法的改进及其在Chord网络中的应用

为了提高数据挖掘算法的效率以及Chord资源定位的速度,引入条件模式以及深度优先的策略改进数据挖掘算法,并将改进后的数据挖掘算法应用到Chord网络的路由表中,通过删除无效或使用频率极低的路由和增加相关路由信息的方法,加速资源定位过程。最终性能比较实验表明,数据挖掘改进算法不仅体现了优越的算法性能,同时通过挖掘Chord网络的关联规则,有效地提升了系统的资源定位性能。     

大噪声干扰下的通信信号源定位挖掘算法仿真

研究通信信号源的优化定位问题.随着通信环境的复杂程度不断增加,环境中的随机干扰源会造成通信源信号频谱混合大量非线性噪声,噪声会对信号源频谱形成干扰,噪声频带和定位信号频带叠加时,传统的线性滤波器是在抑制噪声时,有用信号真实性差,检测微弱的通信信号源变得很困难,造成定位误差较大.提出了一种含噪混合通信数据中信号源定位挖掘算法.根据粒子运动状态方程,实现通信信号的滤波处理,为信号源定位提供准确的数据基础.利用通信节点同心圆定位方法,完成信号源定位.实验结果表明,利用改进算法进行通信信号源定位挖掘,能够提高定位的准确性,减小定位误差范围.     

Use of distributed data sources in facility location

Facility location decisions are usually determined by cost and coverage related factors although empirical studies show that such factors as infrastructure, labor conditions and competition also play an important role in practice. The objective of this paper is to develop a multi-objective facility location model accounting for a wide range of factors affecting decision-making. The proposed model selects potential facilities from a set of pre-defined alternative locations according to the number of customers, the number of competitors and real-estate cost criteria. However, that requires large amount of both spatial and non-spatial input data, which could be acquired from distributed data sources over the Internet. Therefore, a computational approach for processing input data and representation of modeling results is elaborated. It is capable of accessing and processing data from heterogeneous spatial and non-spatial data sources. Application of the elaborated data gathering approach and facility location model is demonstrated using an example of fast food restaurants location problem.     

基于激光数据特征提取的一般环境下实时定位方法

实时定位技术是机器人在日常工作中完成各项任务的基础,为此本文给出了一种一般环境条件下基于激光数据特征提取的实时定位方法。该方法采用鲁棒的激光数据特征提取,通过对比实时样本和预定义模板的匹配程度以确认环境特征点。借助粒子滤波方法,利用里程计数据和当前观测到的环境特征点信息实时估计和验证机器人自身的位置和姿态。实验通过建立精确的机器人运动模型和激光数据观测模型,实现了仅用100个粒子就能进行机器人的实时定位。实验结果表明该方法能够准确提取环境中的疑似特征并依次实现了精确、快速的自定位。